CN112883061A - 危险品检测方法、装置、系统和计算机设备 - Google Patents
危险品检测方法、装置、系统和计算机设备 Download PDFInfo
- Publication number
- CN112883061A CN112883061A CN202011419242.6A CN202011419242A CN112883061A CN 112883061 A CN112883061 A CN 112883061A CN 202011419242 A CN202011419242 A CN 202011419242A CN 112883061 A CN112883061 A CN 112883061A
- Authority
- CN
- China
- Prior art keywords
- package
- personnel
- image
- dangerous goods
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 192
- 231100001261 hazardous Toxicity 0.000 claims description 50
- 238000000034 method Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012856 packing Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 14
- 238000007689 inspection Methods 0.000 claims description 9
- 238000013136 deep learning model Methods 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 8
- 239000013056 hazardous product Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000003973 irrigation Methods 0.000 description 4
- 230000002262 irrigation Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000002537 cosmetic Substances 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G01V5/22—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/179—Human faces, e.g. facial parts, sketches or expressions metadata assisted face recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Chemical & Material Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请涉及危险品检测方法、装置、系统和计算机设备,所述危险品检测方法包括获取过包人员的人员图像和包裹的包裹图像,所述过包人员与所述包裹相对应;根据所述人员图像确定所述过包人员的身份特征,根据所述包裹图像进行危险品检测,确定所述包裹的危险品检测信息;根据所述身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则;根据所述调整规则调整对所述包裹图像的危险品检测,确定所述包裹的危险品检测结果,解决了相关技术中通过深度学习模型来检测和识别包裹图像,存在危险品检测结果不精确的问题,提高了危险品检测结果的精度。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及危险品检测方法、装置、系统和计算机设备。
背景技术
社会越来越现代化,某些地区的人越来越密集,并且人口日流量大,越来越多的人乘坐公共的交通工具,例如地铁、火车、飞机,以及节假日大量的人群涌入旅游景点等,这些地区需要严格保障人们的安全,为此,在关键的公共场所都设有安检机,以检测大家的包裹是否安全合规。
在相关技术中,过包人员包裹中危险品检测的方法是:过包人员将包裹放置在安检机传送带上,安检机内部会对包裹进行X光扫描,而扫描到的包裹图像通过智能图像检测算法进行危险品检测,并将过包人员包裹的危险品检测结果显示在安检机屏幕上,安检员进一步根据危险品检测结果肉眼观察判别包裹中所含有的物品,判断是否有危险物品决定包裹是否通行。在对扫描到的包裹图像通过智能图像检测算法进行危险品检测时,相关技术中是采用导入的深度学习模型进行危险品检测和识别,其中,导入的深度学习模型是预先学习了危险品图像的学习模型,但通过深度学习模型来检测和识别包裹图像,存在检测和识别的内容单一,导致危险品检测结果不精确的情形。
目前针对相关技术中通过深度学习模型来检测和识别包裹图像,存在危险品检测结果不精确的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了危险品检测方法、装置、系统和计算机设备,以至少解决相关技术中通过深度学习模型来检测和识别包裹图像,存在危险品检测结果不精确的问题。
第一方面,本申请实施例提供了一种危险品检测方法,所述方法包括:获取过包人员的人员图像和包裹的包裹图像,所述过包人员与所述包裹相对应;根据所述人员图像确定所述过包人员的身份特征,根据所述包裹图像进行危险品检测,确定所述包裹的危险品检测信息;根据所述身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则;根据所述调整规则调整对所述包裹图像的危险品检测,确定所述包裹的危险品检测结果。
在其中一些实施例中,所述身份特征包括人员特征;
根据所述人员图像确定所述过包人员的身份特征包括:
通过人员特征提取算法对所述人员图像进行特征提取,确定所述过包人员的人员特征,所述人员特征至少包括以下之一:性别、年龄、衣着类别、职业。
在其中一些实施例中,所述身份特征包括危险系数;
根据所述人员图像确定所述过包人员的身份特征包括:
通过人脸识别算法对所述人员图像进行人脸识别,确定所述过包人员的人员身份;
将所述人员身份与危险人员数据库中存储的危险人员身份进行比对,确定比对结果;
根据所述比对结果,确定所述过包人员的危险系数。
在其中一些实施例中,所述调整规则至少包括以下之一:
调整危险品检测阈值、调整所述包裹图像的亮度、更换危险品检测模型、更换危险品检测算法、二次检测所述包裹图像。
在其中一些实施例中,获取过包人员的人员图像包括:
获取所述过包人员全身的人员图像。
在其中一些实施例中,获取包裹的包裹图像包括:
通过安检机获取所述包裹的初始图像;
通过对所述包裹的初始图像进行裁剪,确定所述包裹的包裹图像。
第二方面,本申请实施例提供了一种危险品检测装置,所述装置包括:获取模块、调取模块和结果生成模块;
所述获取模块,用于获取过包人员的人员图像和包裹的包裹图像,所述过包人员与所述包裹相对应;
所述调取模块,用于根据所述人员图像确定所述过包人员的身份特征,根据所述包裹图像进行危险品检测,确定所述包裹的危险品检测信息;所述调取模块还用于根据所述身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则;
所述结果生成模块,用于根据所述调整规则调整对所述包裹图像的危险品检测,确定所述包裹的危险品检测结果。
第三方面,本申请实施例提供了一种危险品检测系统,所述系统包括摄像机、安检机、处理器和显示器;
所述摄像机,用于采集过包人员的人员图像;
所述安检机,用于采集包裹的包裹图像,所述过包人员与所述包裹相对应;
所述处理器,分别与所述摄像机和所述安检机连接,用于获取所述人员图像和所述包裹图像;所述处理器还用于根据所述人员图像确定所述过包人员的身份特征,根据所述包裹图像进行危险品检测,确定所述包裹的危险品检测信息;所述处理器还用于根据所述身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则,并根据所述调整规则调整对所述包裹图像的危险品检测,确定所述包裹的危险品检测结果;
所述显示器,与所述处理器连接获取所述危险品检测结果,并显示所述危险品检测结果。
第四方面,本申请实施例提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的危险品检测方法。
第五方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的危险品检测方法。
相比于相关技术,本申请提供的危险品检测方法、装置、系统和计算机设备,所述方法包括获取过包人员的人员图像和包裹的包裹图像,所述过包人员与所述包裹相对应;根据所述人员图像确定所述过包人员的身份特征,根据所述包裹图像进行危险品检测,确定所述包裹的危险品检测信息;根据所述身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则;根据所述调整规则调整对所述包裹图像的危险品检测,确定所述包裹的危险品检测结果,解决了相关技术中通过深度学习模型来检测和识别包裹图像,因检测和识别的内容单一,存在危险品检测结果不精确的问题,提高了危险品检测结果的精度。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的危险品检测方法的流程图一;
图2是根据本申请实施例的根据人员图像确定过包人员的身份特征的方法流程图一;
图3是根据本申请实施例的根据人员图像确定过包人员的身份特征的方法流程图二;
图4是根据本申请实施例的危险品检测方法的流程图二;
图5是根据本申请实施例的危险品检测方法的流程图三;
图6是根据本申请实施例的危险品检测装置的结构框图;
图7是根据本申请实施例的危险品检测系统的结构框图;
图8是根据本申请实施例的计算机设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本申请提供的危险品检测方法,应用于过包人员包裹中的危险品检测场景。目前过包人员包裹中危险品检测的方法是:过包人员将包裹放置在安检机传送带上,安检机内部会对包裹进行X光扫描,而扫描到的包裹图像通过智能图像检测算法进行危险品检测,并将过包人员包裹的危险品检测结果显示在安检机屏幕上,安检员进一步根据危险品检测结果肉眼观察判别包裹中所含有的物品,判断是否有危险物品决定包裹是否通行。这一套系统中主要包括安检机和智能图像检测算法,而其中智能算法性能的好坏也决定了安检员所需要付出的精力和时间。
相关技术中,X光扫描到的扫描图像通过导入的深度学习模型进行危险品检测和识别,以定过包人员包裹的危险品检测结果,导入的深度学习模型是预先学习了危险品图像的学习模型,但通过深度学习模型来检测和识别包裹图像,存在检测和识别的内容单一,导致危险品检测结果不精确的问题。本申请提供的危险品检测方法,通过获取包裹的包裹图像以及与包裹相对应的过包人员的人员图像,并根据人员图像确定过包人员的身份特征,根据包裹图像进行危险品检测确定包裹的危险品检测信息,进一步的根据身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则,以根据调整规则调整对包裹图像的危险品检测来确定包裹的危险品检测结果,解决了相关技术中通过深度学习模型来检测和识别包裹图像,存在危险品检测结果不精确的问题,提高了危险品检测结果的精度。
本实施例提供了一种危险品检测方法,图1是根据本申请实施例的危险品检测方法的流程图一,如图1所示,该方法包括如下步骤:
步骤S101,获取过包人员的人员图像和包裹的包裹图像,过包人员与包裹相对应。
其中,为了提高后期对包裹的包裹图像以及与包裹相对应的过包人员的人员图像的识别、检测,所获取的包裹图像和人员图像可以是经过解析和处理的,例如,可以是图像预处理等技术,类似去噪,增强等。
步骤S102,根据人员图像确定过包人员的身份特征,根据包裹图像进行危险品检测,确定包裹的危险品检测信息。
需要说明的是,包裹的危险品检测信息可以包含危险品目标的位置坐标、类别、置信度信息,且针对同一个包裹,危险品检测信息可以包含多个检测阈值下的危险品目标的位置坐标、类别、置信度信息,其中,检测阈值是指危险品检测阈值。
需要进一步说明的是,根据人员图像确定过包人员的身份特征,以及根据包裹图像进行危险品检测确定包裹的危险品检测信息的操作可以是由一个服务器处理的,也可以是由多个服务器处理的;例如,人员图像可以由人员特征识别服务器和/或人脸识别服务器进行处理,包裹图像可以由危险物品检测服务器处理的。
步骤S103,根据身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则。
具体地,规则数据库中预先存储有根据经验总结的调整规则,包含与身份特征相对应的,与危险品检测信息相对应的,与身份特征和危险品检测信息两者均相对应的。进而可以根据身份特征从规则数据库中调取与过包人员身份特征相对应的调整规则;可以根据危险品检测信息从规则数据库中调取与危险品检测信息相对应的调整规则;可以根据身份特征和危险品检测信息从规则数据库中调取与两者均相对应的调整规则。例如,调整规则可以是调整危险品检测阈值、调整包裹图像的亮度、调整人员图像的亮度、二次检测包裹图像等。
步骤S104,根据调整规则调整对包裹图像的危险品检测,确定包裹的危险品检测结果;
例如,若所调取的调整规则是二次检测包裹图像,则服务器再次对当前包裹图像进行危险品检测,以提高包裹的危险品检测结果;若所调取的调整规则是调整危险品检测阈值,则将对应危险品检测阈值下的危险品检测信息作为包裹的危险品检测结果。
通过上述步骤S101至步骤S104,获取包裹的包裹图像以及与包裹相对应的过包人员的人员图像,并根据人员图像确定过包人员的身份特征以及根据包裹图像进行危险品检测初步确定包裹的危险品检测信息,进一步的根据身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则,使得调整规则与过包人员或者初步确定的危险品检测信息建立关联,并再次根据关联的调整规则调整对包裹图像的危险品检测来确定包裹的危险品检测结果,也就是根据过包人员的信息和/或初步的危险品检测信息来调整包裹图像的危险品检测,以确保包裹的危险品检测结果的精度,解决了相关技术中通过深度学习模型来检测和识别包裹图像,存在危险品检测结果不精确的问题,提高了危险品检测结果的精度。
在其中一些实施例中,若身份特征包括人员特征,则根据人员图像确定过包人员的身份特征包括:
通过人员特征提取算法对人员图像进行特征提取,确定过包人员的人员特征,人员特征至少包括以下之一:性别、年龄、衣着类别、职业。
具体地,对于过包人员的人员图像可以通过人员特征提取算法提取类似于性别、年龄、衣着类别、可能职业、是否旅游人员等。
例如,若通过人员特征提取算法得到过包人员是第一类职业人员,例如,第一类职业人员由于职业需要可能携带有化妆品、喷灌等物件,则规则数据库中相对应的调整规则可以是降低化妆品、喷灌等危险物品类别的阈值,进而可根据该调整规则,将化妆品、喷灌等相对小的检测阈值下的危险品检测信息作为包裹的危险品检测结果。若通过人员特征提取算法得到过包人员是第二类职业人员,例如第二类职业人员由于职业需要可能携带有锤子、扳手等物件,则规则数据库中相对应的调整规则可以是降低锤子、扳手等物件的阈值,进而可根据该调整规则,将锤子、扳手等相对小的检测阈值下的危险品检测信息作为包裹的危险品检测结果。进而通过根据过包人员的人员特征,调取与该人员特征相对应下的调整规则,进一步根据该调整规则,调整过包人员的包裹图像的危险品检测,提升了日常场景所使用的危险品类似喷灌、工具锤子的检出率。
在其中一些实施例中,图2是根据本申请实施例的根据人员图像确定过包人员的身份特征的方法流程图一,如图2所示,若身份特征包括危险系数,根据人员图像确定过包人员的身份特征包括以下步骤:
步骤S201,通过人脸识别算法对人员图像进行人脸识别,确定过包人员的人员身份;
步骤S202,将人员身份与危险人员数据库中存储的危险人员身份进行比对,确定比对结果;
步骤S203,根据比对结果,确定过包人员的危险系数。
具体地,可从所获取的人员图像中提取脸部图像,并采用人脸识别算法识别出过包人员的人脸,进一步地,可将识别出的过包人员人脸与标准数据库中的危险人员进行比对,并给出过包人员的危险系数。标准数据库中的危险人员可包括目前关注的或者需要长期关注的某类人群,且关注程度越高危险系数越高。
在其中一些实施例中,图3是根据本申请实施例的根据人员图像确定过包人员的身份特征的方法流程图二,如图3所示,若身份特征包括危险系数和身份特征,根据人员图像确定过包人员的身份特征则包括上述步骤S201至步骤 S203的基础上,还包括步骤S301:通过人员特征提取算法对人员图像进行特征提取,确定过包人员的人员特征,人员特征至少包括以下之一:性别、年龄、衣着类别、职业。
在其中一些实施例中,调整规则包括以下至少之一:
调整危险品检测阈值、调整包裹图像的亮度、更换危险品检测模型、更换危险品检测算法、二次检测包裹图像。
例如,若过包人员的危险系数相对高,则规则数据库中相对应的调整规则可以是降低危险物品检测阈值,进而可根据该调整规则,将相对小的危险品检测阈值下的危险品检测信息作为包裹的危险品检测结果,进而危险品检测结果可显示更多的检出危险品,以提醒安检员注意判别包裹中所含有的物品;
若过包人员为工地施工人员,则规则数据库中相对应的调整规则可以是更换危险品检测模型,进而可根据调整规则更换采用更多的锤子、扳手等物件的样本训练而成的模型,来对包裹图像进行二次危险品检测;由于更换采用更多的锤子、扳手等物件的样本训练而成的模型,进而危险品检测时对锤子、扳手等物件更为敏感,则包裹的危险品检测结果更加精确;
若过包人员的危险系数相对高,则规则数据库中相对应的调整规则可以是更换危险品检测算法,也就是调整为更复杂的、层数更深的网络等进行二次危险品检测;
若过包人员的危险系数相对高,且包裹的危险品检测信息中危险品数量多或者置信度低,则规则数据库中相对应的调整规则可以是调整包裹图像的亮度,也就是对包裹图像进行一定的处理,类似提高图像的亮度等,然后再根据调整后亮度的包裹图像进行危险品检测,使得包裹的危险品检测结果更加精确。
在其中一些实施例中,获取过包人员的人员图像包括:获取过包人员全身的人员图像;基于过包人员全身的人员图像,便于通过人员特征提取算法进行特征提取,例如,性别、年龄、衣着类别、职业等特征的提取,有利于提高所提取的过包人员的特征精度。
在其中一些实施例中,图4是根据本申请实施例的危险品检测方法的流程图二,如图4所示,获取包裹的包裹图像包括如下步骤:
步骤S401,通过安检机获取包裹的初始图像;
步骤S402,通过对包裹的初始图像进行裁剪,确定包裹的包裹图像。
具体地,针对从安检机中获取到的包裹的初始图像,进行裁剪,以得到紧贴包裹的包裹图像。
通过上述步骤S401至步骤S402,从安检机中获取到的包裹的初始图像后,对初始图像进行裁剪,以得到紧贴包裹的包裹图像,进而降低包裹图像危险品检测过程中的干扰。
在其中一些实施例中,图5是根据本申请实施例的危险品检测方法的流程图三,如图5所示,先获取包裹的初始图像,以及获取与包裹相对应的过包人员的人员图像;对包裹的初始图像进行裁剪,确定包裹的包裹图像,并将包裹图像进行危险品检测,以确定包裹的危险品检测信息;
对人员图像进行人员特征提取以确定过包人员的人员特征;从人员图像中提取脸部图像,并针对提取的脸部图像进行人脸识别,且将识别的人脸与危险人员数据库中的危险人员比对,并根据比较结果确定过包人员的危险系数;
进一步地,根据包裹的危险品检测信息、人员特征、危险系数等控制调取或者控制选择相对应的调整规则,并根据调整规则调整对包裹图像的危险品检测,以确定包裹的危险品检测结果,便于安检员进一步根据危险品检测结果肉眼观察判别包裹中所含有的物品,判断是否有危险物品决定包裹是否通行。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种危险品检测装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
在一些实施例中,图6是根据本申请实施例的危险品检测装置的结构框图,如图6所示,危险品检测装置包括:获取模块61、调取模块62和结果生成模块 63;
获取模块61,用于获取过包人员的人员图像和包裹的包裹图像,过包人员与包裹相对应;
调取模块62,用于根据人员图像确定过包人员的身份特征,根据包裹图像进行危险品检测,确定包裹的危险品检测信息;调取模块62还用于根据身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则;
结果生成模块63,用于根据调整规则调整对包裹图像的危险品检测,确定包裹的危险品检测结果。
在其中一些实施例中,获取模块61、调取模块62和结果生成模块63还用于实现上述各实施例提供的危险品检测方法中的步骤,在这里不再赘述。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本申请还提供了一种危险品检测系统,图7是根据本申请实施例的危险品检测系统的结构框图,如图7所示,危险品检测系统包括摄像机71、安检机72、处理器73和显示器74;
摄像机71,用于采集过包人员的人员图像;
安检机72,用于采集包裹的包裹图像,过包人员与包裹相对应;
处理器73,分别与摄像机71和安检机72连接,用于获取人员图像和包裹图像;处理器73还用于根据人员图像确定过包人员的身份特征,根据包裹图像进行危险品检测,确定包裹的危险品检测信息;处理器73还用于根据身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则,并根据调整规则调整对包裹图像的危险品检测,确定包裹的危险品检测结果;
显示器74,与处理器73连接获取危险品检测结果,并显示危险品检测结果。
在其中一些实施例中,处理器73还用于实现上述各实施例提供的危险品检测方法中的步骤,在这里不再赘述。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种危险品检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,图8是根据本申请实施例的计算机设备的内部结构示意图,如图8所示,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种危险品检测方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述各实施例提供的危险品检测方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各个实施例提供的危险品检测的方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程 ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限, RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM (ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus) 直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种危险品检测方法,其特征在于,所述方法包括:
获取过包人员的人员图像和包裹的包裹图像,所述过包人员与所述包裹相对应;
根据所述人员图像确定所述过包人员的身份特征,根据所述包裹图像进行危险品检测,确定所述包裹的危险品检测信息;
根据所述身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则;
根据所述调整规则调整对所述包裹图像的危险品检测,确定所述包裹的危险品检测结果。
2.根据权利要求1所述的危险品检测方法,其特征在于,所述身份特征包括人员特征;
根据所述人员图像确定所述过包人员的身份特征包括:
通过人员特征提取算法对所述人员图像进行特征提取,确定所述过包人员的人员特征,所述人员特征至少包括以下之一:性别、年龄、衣着类别、职业。
3.根据权利要求1或2所述的危险品检测方法,其特征在于,所述身份特征包括危险系数;
根据所述人员图像确定所述过包人员的身份特征包括:
通过人脸识别算法对所述人员图像进行人脸识别,确定所述过包人员的人员身份;
将所述人员身份与危险人员数据库中存储的危险人员身份进行比对,确定比对结果;
根据所述比对结果,确定所述过包人员的危险系数。
4.根据权利要求1所述的危险品检测方法,其特征在于,所述调整规则至少包括以下之一:
调整危险品检测阈值、调整所述包裹图像的亮度、更换危险品检测模型、更换危险品检测算法、二次检测所述包裹图像。
5.根据权利要求1所述的危险品检测方法,其特征在于,获取过包人员的人员图像包括:
获取所述过包人员全身的人员图像。
6.根据权利要求1所述的危险品检测方法,其特征在于,获取包裹的包裹图像包括:
通过安检机获取所述包裹的初始图像;
通过对所述包裹的初始图像进行裁剪,确定所述包裹的包裹图像。
7.一种危险品检测装置,其特征在于,所述装置包括:获取模块、调取模块和结果生成模块;
所述获取模块,用于获取过包人员的人员图像和包裹的包裹图像,所述过包人员与所述包裹相对应;
所述调取模块,用于根据所述人员图像确定所述过包人员的身份特征,根据所述包裹图像进行危险品检测,确定所述包裹的危险品检测信息;所述调取模块还用于根据所述身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则;
所述结果生成模块,用于根据所述调整规则调整对所述包裹图像的危险品检测,确定所述包裹的危险品检测结果。
8.一种危险品检测系统,其特征在于,所述系统包括摄像机、安检机、处理器和显示器;
所述摄像机,用于采集过包人员的人员图像;
所述安检机,用于采集包裹的包裹图像,所述过包人员与所述包裹相对应;
所述处理器,分别与所述摄像机和所述安检机连接,用于获取所述人员图像和所述包裹图像;所述处理器还用于根据所述人员图像确定所述过包人员的身份特征,根据所述包裹图像进行危险品检测,确定所述包裹的危险品检测信息;所述处理器还用于根据所述身份特征和/或危险品检测信息从规则数据库中调取相对应的调整规则,并根据所述调整规则调整对所述包裹图像的危险品检测,确定所述包裹的危险品检测结果;
所述显示器,与所述处理器连接获取所述危险品检测结果,并显示所述危险品检测结果。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的危险品检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至6中任一项所述的危险品检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011419242.6A CN112883061B (zh) | 2020-12-07 | 2020-12-07 | 危险品检测方法、装置、系统和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011419242.6A CN112883061B (zh) | 2020-12-07 | 2020-12-07 | 危险品检测方法、装置、系统和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112883061A true CN112883061A (zh) | 2021-06-01 |
CN112883061B CN112883061B (zh) | 2022-08-16 |
Family
ID=76043244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011419242.6A Active CN112883061B (zh) | 2020-12-07 | 2020-12-07 | 危险品检测方法、装置、系统和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112883061B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886054A (zh) * | 2017-04-13 | 2017-06-23 | 西安邮电大学 | 基于三维x射线成像的危险品自动识别装置及方法 |
CN107958435A (zh) * | 2016-10-17 | 2018-04-24 | 同方威视技术股份有限公司 | 安检系统及配置安检设备的方法 |
WO2018225178A1 (ja) * | 2017-06-07 | 2018-12-13 | 三菱電機株式会社 | 危険車両予測装置、危険車両警報システムおよび危険車両予測方法 |
CN109242740A (zh) * | 2018-07-18 | 2019-01-18 | 平安科技(深圳)有限公司 | 身份信息风险评定方法、装置、计算机设备和存储介质 |
CN110929066A (zh) * | 2019-11-18 | 2020-03-27 | 浙江大华技术股份有限公司 | 一种人员和包裹信息关联显示的方法、装置及安检机 |
CN111008210A (zh) * | 2019-11-18 | 2020-04-14 | 浙江大华技术股份有限公司 | 商品识别方法、装置、编解码器及存储装置 |
-
2020
- 2020-12-07 CN CN202011419242.6A patent/CN112883061B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107958435A (zh) * | 2016-10-17 | 2018-04-24 | 同方威视技术股份有限公司 | 安检系统及配置安检设备的方法 |
CN106886054A (zh) * | 2017-04-13 | 2017-06-23 | 西安邮电大学 | 基于三维x射线成像的危险品自动识别装置及方法 |
WO2018225178A1 (ja) * | 2017-06-07 | 2018-12-13 | 三菱電機株式会社 | 危険車両予測装置、危険車両警報システムおよび危険車両予測方法 |
CN109242740A (zh) * | 2018-07-18 | 2019-01-18 | 平安科技(深圳)有限公司 | 身份信息风险评定方法、装置、计算机设备和存储介质 |
CN110929066A (zh) * | 2019-11-18 | 2020-03-27 | 浙江大华技术股份有限公司 | 一种人员和包裹信息关联显示的方法、装置及安检机 |
CN111008210A (zh) * | 2019-11-18 | 2020-04-14 | 浙江大华技术股份有限公司 | 商品识别方法、装置、编解码器及存储装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112883061B (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108377240B (zh) | 异常接口检测方法、装置、计算机设备和存储介质 | |
CN109472213B (zh) | 掌纹识别方法、装置、计算机设备和存储介质 | |
EP2485041B1 (en) | Method for processing body inspection image and body inspection device | |
EP2546782A1 (en) | Liveness detection | |
CN110706261A (zh) | 车辆违章检测方法、装置、计算机设备和存储介质 | |
EP3696725A1 (en) | Tool detection method and device | |
US20200333504A1 (en) | Millimeter Wave Image Based Human Body Foreign Object Detection Method and System | |
CN111429482A (zh) | 目标跟踪方法、装置、计算机设备和存储介质 | |
CA3174691A1 (en) | Human face fuzziness detecting method, device, computer equipment and storage medium | |
EP2620920A1 (en) | Valuable document identification method and system | |
CN106934328A (zh) | 一种人脸检测算法的评估方法及装置 | |
EP3944188A1 (en) | Image processing device, image processing method, and recording medium in which program is stored | |
CN109886111A (zh) | 基于微表情的比赛监控方法、装置、计算机设备及存储介质 | |
CN111144398A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN113515774B (zh) | 基于投影梯度下降法生成对抗样本的隐私保护方法 | |
EP2546807B1 (en) | Traffic monitoring device | |
CN114463725A (zh) | 驾驶员行为检测方法及装置、安全驾驶提醒方法及装置 | |
CN110717449A (zh) | 车辆年检人员的行为检测方法、装置和计算机设备 | |
CN105740752B (zh) | 敏感图片过滤方法和系统 | |
CN113642466A (zh) | 活体检测和模型训练方法、设备及介质 | |
WO2015145438A1 (en) | System and method for identifying fraud attempt of an entrance control system | |
CN112883061B (zh) | 危险品检测方法、装置、系统和计算机设备 | |
CN108985249A (zh) | 人脸检测方法、装置、电子设备以及存储介质 | |
CN112001963A (zh) | 消防通道的排查的方法、系统和计算机设备 | |
KR101014486B1 (ko) | 적응적 피부색 검출을 통한 유해 이미지 분류 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |